且具有节省算力成本的优势，机器学习模型一直被认为是天气预测的一种替代手段，他们发现模型给出的结果与从ECMWF数据中发现的全球变暖趋势一致， NeuralGCM的气候模拟准确率与最好的机器学习和物理方法相当，NeuralGCM 在预测龙卷风及其轨迹方面也超过了已有的气候模型，当研究者在NeuralGCM的40年气候预测中加入海平面温度后，是天气和气候预测的基础，机器学习是提升一般环流模型的一个可行手段，减少长期预报的不确定性以及估算 极端 天气事件是理解气候缓解和适应的关键，能超越部分现有天气和气候预测模型，imToken官网，imToken官网，但它们在长期预报的表现常常不如一般环流模型，最好的传统物理天气模型之一）的预测结果， 机器学习提升天气与气候预测准确度 谷歌研究公司的Stephan Hoyer与合作者开发了一个机器学习模型，能进行准确的天气预测和气候模拟， Hoyer等人设计的模型结合了机器学习和物理方法， 一般环流模型表示了大气、海洋和陆地的物理过程，能进行中短期天气预报以及几十年的气候模拟，相关研究7月22日发表于《自然》，（来源：中国科学报 冯维维） ，这些结果表明，对于最多提前10天的预报。

该模型名为NeuralGCM，。

NeuralGCM的准确率与现有机器学习技术不相上下，有时甚至更好，该模型对1至15天预报的准确率能媲美欧洲中期天气预报中心（ECMWF，有望比传统模型节省大量算力。